OpenAI最新推理模型o3和o4-mini在编码、数学任务中表现提升，但幻觉率显著高于前代。内部测试显示，o3在人物知识基准中33%回答虚构，o4-mini达48%。第三方测试指出o3编造代码执行细节，用户反馈其生成链接无效。OpenAI称模型因“输出更多主张”导致准确与错误并存，原因未明。
行业转向推理模型以降低训练成本，但推理能力与幻觉的正相关性成新挑战。结合网络搜索或提升准确性（如GPT-4o搜索版准确率90%），但需权衡隐私风险。
3 Likes
有没有幻觉率100%的模型，想试试（
1 Like
翻车了，尤其是o3这种大模型还搞成这样
1 Like
Qwen 2.5 0.5B，幻觉率99％可以试试。
好像是这个名字，问一个错错一个，0.5B太小了
6 Likes
你问问它三英战吕布，所有8B以下的模型，答案很有趣（无论是Qwen，还是Gemma）
3 Likes
逐级往上推理
1.5B>7B>14B>32B
类似的问题，幻觉率会逐渐降低
2 Likes
佬，现在推理模型幻觉最低的是谁啊？Gemini2.5pro？我记得r1好像是14%吧？
1 Like
关闭联网
GPT-4.5是幻觉率最低模型，我测试特摄、动漫问题的正确率，超越了所有模型（冷门知识）
第二名是Gemini 2.5-Pro
GPT-4.5真的是有点东西的！（夸张的价格）
顺便往o3的脸上唾一口唾沫，不联网的情况下，这个答案简直是辣鸡
5 Likes
用提示词模拟一下答非所问？ 
还真有。。。
1 Like
我也忘记是哪里测试的0.5B了，以前无意中测试过一次（理论上，0.5B的模型，可以给1.5G-RAM的传音非洲黑蜀黍的手机本地部署的），看了一下硅基最差的也是1.5B（都没0.5B这个型号）
1 Like
不要啊 
黑蜀黍已经够抽象的了
我记得APPLE所谓的苹果AI（安全本地IOS内置的），本地模型似乎是3-5B规模？不联网也和0.5B，1.5B相比好不到哪里去。（股价也跌了，当时还有人炒苹果AI）
1 Like
幻觉率可以说是99K（99.9999%） 
www确实
试试看同一个问题在Qwen 0.5B，1.5B，7B，14B，32B的回答对比
我这里没有0.5B 
六百六十六，笑疯了